Python中經(jīng)緯度距離計(jì)算的實(shí)現(xiàn)方式
Python中計(jì)算經(jīng)緯度距離可以使用geopy(Vincenty、Karney)、Haversine、pyproj(橢球模型投影計(jì)算)、平面近似法(小范圍快速估算)等。而針對(duì)中國(guó)加密坐標(biāo)系(如GCJ-02/BD-09)也可以使用coord-convert工具轉(zhuǎn)換為WGS84。
以下是對(duì)應(yīng)方法的示例。
一、基本方法
1. 使用geopy庫(kù)(推薦)
geopy 提供了多種距離計(jì)算方式(包括Haversine、Vincenty、Karney),支持WGS84橢球模型。
安裝
pip install geopy
示例代碼
from geopy.distance import geodesic, great_circle
# 定義兩點(diǎn)(緯度, 經(jīng)度)
point_a = (39.9042, 116.4074) # 北京
point_b = (31.2304, 121.4737) # 上海
# 方法1:
# geopy 1.x 版本 Vincenty(默認(rèn),高精度)
# geopy 2.0 版本 Karney
distance_karney = geodesic(point_a, point_b).km
print(f"karney距離: {distance_karney:.2f} km")
# 方法2:大圓距離(Haversine,球面近似)
distance_great_circle = great_circle(point_a, point_b).km
print(f"大圓距離: {distance_great_circle:.2f} km")
輸出:
Karney距離: 1065.85 km 大圓距離: 1067.31 km
說明:geodesic 2.0版本 使用的是Karney算法,1.x 版本使用的是Vincenty算法。great_circle 使用Haversine公式,假設(shè)地球?yàn)橥昝狼蝮w。實(shí)際地球是橢球體,其誤差范圍(通常為 0.5% 左右)。
2. 手動(dòng)實(shí)現(xiàn) Haversine 公式
適合無需外部庫(kù)的場(chǎng)景。
示例代碼
import math
def haversine(lat1, lon1, lat2, lon2):
R = 6371 # 地球半徑(km)
phi1, phi2 = math.radians(lat1), math.radians(lat2)
delta_phi = math.radians(lat2 - lat1)
delta_lambda = math.radians(lon2 - lon1)
a = math.sin(delta_phi / 2) ** 2 + \
math.cos(phi1) * math.cos(phi2) * math.sin(delta_lambda / 2) ** 2
c = 2 * math.atan2(math.sqrt(a), math.sqrt(1 - a))
return R * c
distance = haversine(39.9042, 116.4074, 31.2304, 121.4737)
print(f"Haversine距離: {distance:.2f} km")
輸出:
Haversine距離: 1067.31 km
注意:與geopy的great_circle結(jié)果一致。
3. 使用pyproj進(jìn)行投影坐標(biāo)系計(jì)算
適合需要平面坐標(biāo)的高精度場(chǎng)景(如UTM投影)。
安裝
pip install pyproj
示例代碼
from pyproj import Geod
# 使用WGS84橢球
geod = Geod(ellps="WGS84")
# 計(jì)算距離和方位角
# 參數(shù)順序:起點(diǎn)經(jīng)度、起點(diǎn)緯度、終點(diǎn)經(jīng)度、終點(diǎn)緯度
_, _, distance = geod.inv(116.4074, 39.9042, 121.4737, 31.2304)
print(f"pyproj橢球距離: {distance / 1000:.2f} km")
輸出:
pyproj橢球距離: 1065.85 km
說明:
geod.inv返回前兩個(gè)值是方位角,第三個(gè)是距離(米)。- 結(jié)果與
geopy的Vincenty一致。
4. 平面近似法(小范圍適用)
適用于城市內(nèi)短距離快速估算。
import math
def flat_approximation(lat1, lon1, lat2, lon2):
R = 6371 # 地球半徑(km)
avg_lat = math.radians((lat1 + lat2) / 2)
dx = math.radians(lon2 - lon1) * math.cos(avg_lat)
dy = math.radians(lat2 - lat1)
return R * math.sqrt(dx**2 + dy**2)
# 示例(北京天安門到北京西站)
distance = flat_approximation(39.9042, 116.4074, 39.8946, 116.3224)
print(f"平面近似距離: {distance:.2f} km")
輸出:
平面近似距離: 7.33 km
注意:適用于距離 < 10 km,實(shí)際誤差還取決于緯度,高緯度地區(qū)誤差更大。
二、不同坐標(biāo)系的影響
常見坐標(biāo)系
許多國(guó)家會(huì)對(duì)地理信息進(jìn)行加密或偏移,如中國(guó)的GCJ-02或BD-09,計(jì)算距離前需確保所有坐標(biāo)點(diǎn)在同一坐標(biāo)系下,否則結(jié)果會(huì)有偏差。
可以使用庫(kù)(如coord-convert)將GCJ-02或BD-09坐標(biāo)轉(zhuǎn)換為WGS84,但不同坐標(biāo)系之間的轉(zhuǎn)換是不可逆的,多次轉(zhuǎn)換可能會(huì)導(dǎo)致精度損失。
- WGS84(國(guó)際標(biāo)準(zhǔn)GPS坐標(biāo)系):未加密的地心坐標(biāo)系,高精度。
- GCJ-02(火星坐標(biāo)系):基于WGS84通過非線性算法加入隨機(jī)偏移。
- BD-09(百度坐標(biāo)系):在GCJ-02基礎(chǔ)上二次加密的坐標(biāo)系。
coord-convert坐標(biāo)系轉(zhuǎn)換
安裝
pip install coord-convert
示例代碼
from coord_convert import transform
# GCJ-02 轉(zhuǎn) WGS84
gcj_lon, gcj_lat = 116.404, 39.915 # 北京天安門(GCJ-02)
wgs_lon, wgs_lat = transform.gcj2wgs(gcj_lon, gcj_lat)
print(f"WGS84坐標(biāo): {wgs_lon:.6f}, {wgs_lat:.6f}")
# WGS84坐標(biāo): 116.397756, 39.913596
# BD-09 轉(zhuǎn) WGS84
bd_lon, bd_lat = 116.410, 39.921 # 北京天安門(BD-09)
wgs_lon, wgs_lat = transform.bd2wgs(bd_lon, bd_lat)
print(f"WGS84坐標(biāo): {wgs_lon:.6f}, {wgs_lat:.6f}")
# WGS84坐標(biāo): 116.397387, 39.913258
坐標(biāo)系轉(zhuǎn)換方法
| 函數(shù) | 說明 |
|---|---|
| transform.wgs2gcj(lon, lat) | WGS84 → GCJ-02 |
| transform.gcj2wgs(lon, lat) | GCJ-02 → WGS84 |
| transform.gcj2bd(lon, lat) | GCJ-02 → BD-09 |
| transform.bd2gcj(lon, lat) | BD-09 → GCJ-02 |
| transform.bd2wgs(lon, lat) | BD-09 → WGS84 |
| transform.wgs2bd(lon, lat) | WGS84 → BD-09 |
三、方法對(duì)比總結(jié)
| 方法 | 精度 | 適用場(chǎng)景 | 依賴庫(kù) |
|---|---|---|---|
| geopy.geodesic | 毫米級(jí) | 全球范圍,高精度 | geopy |
| geopy.great_circle | 中等 | 快速球面估算 | geopy |
| Haversine手動(dòng)實(shí)現(xiàn) | 中等 | 無庫(kù)依賴 | 無 |
| pyproj.Geod | 毫米級(jí) | 復(fù)雜橢球模型計(jì)算 | pyproj |
| 平面近似 | 低 | 極小范圍(城市內(nèi)) | 無 |
四、如何選擇?
- 通用場(chǎng)景:直接使用
geopy.geodesic(平衡精度和易用性)。 - 學(xué)術(shù)與工程:需要橢球模型時(shí)用
pyproj。 - 輕量級(jí)需求:手動(dòng)Haversine或無庫(kù)平面近似。
五、總結(jié)
以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
利用keras使用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)銷量操作
這篇文章主要介紹了利用keras使用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)銷量操作,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-07-07
關(guān)于Qt6中QtMultimedia多媒體模塊的重大改變分析
如果您一直在 Qt 5 中使用 Qt Multimedia,則需要對(duì)您的實(shí)現(xiàn)進(jìn)行更改。這篇博文將嘗試引導(dǎo)您完成最大的變化,同時(shí)查看 API 和內(nèi)部結(jié)構(gòu)2021-09-09
Python將Word文檔轉(zhuǎn)為PDF的兩種方法
這篇文章主要介紹了兩種將docx和doc文件轉(zhuǎn)換為PDF的方法,方法一使用了docx2pdf模塊,方法二使用了win32com模塊,文中通過代碼及圖文介紹的非常詳細(xì),需要的朋友可以參考下2024-12-12
python3 http提交json參數(shù)并獲取返回值的方法
今天小編就為大家分享一篇python3 http提交json參數(shù)并獲取返回值的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-12-12
Flask框架使用DBUtils模塊連接數(shù)據(jù)庫(kù)操作示例
這篇文章主要介紹了Flask框架使用DBUtils模塊連接數(shù)據(jù)庫(kù)操作,結(jié)合實(shí)例形式較為詳細(xì)的分析了flask框架使用DBUtils模塊連接數(shù)據(jù)庫(kù)的常見操作技巧與相關(guān)注意事項(xiàng),需要的朋友可以參考下2018-07-07
VSCode中Python venv環(huán)境加載失敗的5大原因及解決方案
本文詳細(xì)探討了VSCode中Python虛擬環(huán)境加載失敗的常見原因及解決方法,包括解釋器選擇、環(huán)境配置、路徑設(shè)置、解釋器優(yōu)先級(jí)和配置文件管理等方面,通過實(shí)際案例和配置示例,提供了從零創(chuàng)建可被VSCode識(shí)別的venv環(huán)境的實(shí)踐步驟,需要的朋友可以參考下2026-03-03
用Python實(shí)現(xiàn)協(xié)同過濾的教程
這篇文章主要介紹了用Python實(shí)現(xiàn)協(xié)同過濾的教程,主要用于從大數(shù)據(jù)中抽取用戶信息偏好等等,需要的朋友可以參考下2015-04-04
基于Python實(shí)現(xiàn)主機(jī)遠(yuǎn)程控制
這篇文章主要介紹了基于Python實(shí)現(xiàn)主機(jī)遠(yuǎn)程控制,本文為?HITwh?網(wǎng)絡(luò)空間安全專業(yè)網(wǎng)絡(luò)空間安全設(shè)計(jì)與實(shí)踐選題,主要實(shí)現(xiàn)了遠(yuǎn)程監(jiān)控局域網(wǎng)內(nèi)的主機(jī)桌面與網(wǎng)絡(luò)情況、簡(jiǎn)單鍵鼠控制、遠(yuǎn)程斷網(wǎng)(ARP?攻擊)、數(shù)據(jù)加密傳輸?shù)裙δ?,下面來看看具體實(shí)現(xiàn)過程吧2022-01-01

